¿Cómo crear un diagrama de Bland-Altman en R?

En este artículo, discutiremos cómo crear un diagrama de Bland-Altman en el lenguaje de programación R.

El gráfico de Bland-Altman nos ayuda a visualizar la diferencia de medidas entre dos técnicas de medida diferentes. Se utiliza ampliamente en el campo de la bioquímica. Es útil para determinar qué tan similares son dos instrumentos/técnicas para medir la misma construcción en reacciones químicas. 

Implementación paso a paso

Paso 1: crear un marco de datos de muestra

Para crear un marco de datos de muestra en el lenguaje R, podemos importar un conjunto de datos desde un archivo CSV usando la función read.csv() o podemos crear nuestro propio marco de datos usando la función data.frame().

Paso 2: Calcular la diferencia de medidas

A continuación, agregaremos dos nuevas columnas al marco de datos que almacenará el promedio y la diferencia de ambas variables para trazar posteriormente. Usaremos la función de asignación para ese propósito.

Sintaxis:

Sample_Data$average <- rowMeans( Sample_Data )  

Sample_Data$diferencia <- Sample_Data$var1 – Sample_Data$var2

Paso 3: Calcule la diferencia de medias y los límites del intervalo de confianza

Para calcular la diferencia de medias, utilizaremos la función mean() del lenguaje R. Para calcular el límite inferior y superior del intervalo de confianza del 90 %, utilizaremos la función sd().

Sintaxis:

diferencia_media <- media(Datos_de_muestra$diferencia)

límite_inferior <- diferencia_media – 1.91*sd(Datos_muestra$diferencia)

límite_superior <- diferencia_media + 1.91*sd( Datos_de_muestra$diferencia )

Paso 4: Trace la diferencia de medias, el intervalo de confianza y el diagrama de dispersión

Para trazar el diagrama de Bland-Altman, usaremos la función ggplot() de la biblioteca del paquete ggplot2 junto con la función geom_hline() para la diferencia media y el intervalo de confianza.

Sintaxis:

ggplot( Sample_Data, aes( x = promedio, y = diferencia ) ) + geom_point( ) +

 geom_hline( yintersección = diferencia_media ) + geom_hline( yintersección = límite_inferior ) +

 geom_hline( yintercepto = límite_superior )

Esto da finalmente la trama de Bland-Altmon.

Ejemplo: un gráfico de muestra de Bland-Altmon

# create sample data
Sample_Data <- data.frame(
  var1=c(5, 5, 5, 6, 6, 7, 7, 7, 8, 8, 9, 10, 10, 11),
  var2=c(4, 4, 5, 5, 5, 7, 8, 6, 9, 7, 7, 8, 9, 14))
  
# create new column for average measurement
Sample_Data$average <- rowMeans(Sample_Data) 
  
# create new column for difference measurement
Sample_Data$difference <- Sample_Data$var1 - Sample_Data$var2
  
# calculate mean difference
mean_difference <- mean(Sample_Data$difference)
  
# calculate uppr and lower limits of the 
# Confidence interval of 90%
lower_limit <- mean_difference - 1.91*sd( Sample_Data$difference )
upper_limit <- mean_difference + 1.91*sd( Sample_Data$difference )
  
# load library ggplot2
library(ggplot2)
  
# Plot the Bland-Altmon Plot
ggplot(Sample_Data, aes(x = average, y = difference)) +
  geom_point(size=3) +
  geom_hline(yintercept = mean_difference, color= "red", lwd=1.5) +
  geom_hline(yintercept = lower_limit, color = "green", lwd=1.5) +
  geom_hline(yintercept = upper_limit, color = "green", lwd=1.5)

Producción: